Organisaties zijn volop in beweging. Meer (digitale) samenwerking. Leniger, efficiënter, zelfstandiger. De klant/ burger centraal. etc. etc. Management en HRM ondersteunen de medewerkers om zo goed mogelijk invulling te geven aan deze initiatieven. Geen sinecure, zo blijkt in de praktijk.

Wat hebben de mensen echt nodig om het doel te bereiken? Wat zijn hun verwachtingen, behoeften en andere inzichten; waar kijken ze naar als het gaat om het bereiken van het doel? Waar liggen volgens hen barrières en risico’s? Als je dat weet, dan kun je beter aansluiten bij de medewerkers en hen gerichter ondersteunen. Dan kun je met andere woorden aan de juiste koorden trekken, in plaats van aan alle koorden tegelijkertijd. Maar hoe kun je dat weten?

HR Business Analytics: Met data en algoritmen naar een actueel mensbeeld van de medewerker-in-de-business

De oplossing: medewerker-persona’s. Medewerker-persona’s zijn vergelijkbaar met klant-persona’s zoals marketing die gebruikt, maar dan vertegenwoordigen ze een groep medewerkers. Zo een persona bestaat uit een samenhangend beeld van behoeften, verwachtingen en inzichten met betrekking tot een bepaald organisatiedoel. De medewerkers in de persona vertonen dus veel overeenkomst. Tussen de persona’s zijn er relevante verschillen.

Case: Meer samenwerking in de keten

‘Die begrijpen er niets van! En die anderen trouwens wel.’ dat was de eerste reactie van een aantal van de managers in een belangrijke procesketen in een grote Nederlandse gemeente.

Centraal in de keten stond een belangrijk initiatief: Meer succesvolle projecten en minder fouten door betere digitale samenwerking in de keten. De managers waren bij elkaar gekomen om nader kennis te maken met de persona’s in hun keten.

Datacluster

De persona’s zijn gemodelleerd door een korte, maar gerichte digitale dialoog (chat-achtig, ‘de digitale kop koffie’ zoals een medewerker het noemde) die makkelijk aan alle medewerkers in de keten kon worden gestuurd. De kern van de dialoog cirkelde om twee vragen:

1. Wat is volgens jou de achterliggende bedoeling en toegevoegde waarde van dit initiatief?
2. Wat is er volgens jou nodig om het initiatief succesvol te realiseren?

Vervolgens werd alle individuele data geclusterd met algoritmen. Een datacluster vormt een persona.

Terug naar de case.

‘Welke van de 5 persona’s begrijpt er volgens jullie niets van?’ vroegen de andere managers.  ‘Wat ziet die persona dan verkeerd volgens jullie? En waar heeft hij gelijk in? En trouwens, voor jullie beginnen, met welke persona hebben jullie de meeste overeenkomsten?’

We geven een impressie van twee persona’s (in totaal waren er 5). We noemen ze persona 1 en persona 2. We geven ze bewust geen karakteriserende namen, want dat kan stigmatiserend werken. s

Persona 1

Positief. Toegevoegde waarde: voor mezelf, leuker werk. Voor de burger, geen idee. Wat is nodig om dit te realiseren? Duidelijke verantwoordelijkheden, afspraak=afspraak, elkaar aanspreken op gedrag, duidelijke rollen. Zwaarte van traject: vergelijkbaar met een nieuwe keuken. Ergo: veel blijft hetzelfde, een gedeelte veranderd.

Persona 2

Afwachtend. Toegevoegde waarde: voor mezelf, geen voordeel. Voor de burger, meer waarde voor hun belastinggeld. Wat is nodig om dit te realiseren? Duidelijke verantwoordelijkheden, ondersteunende systemen, betere samenwerking met partners, informatie delen. Zwaarte van traject: vergelijkbaar met een verhuizing. Ergo: alles wordt anders.

Beide persona’s kwamen overigens, samen met de andere persona’s, regelmatig samen in een team voor. Hoeveel welke persona in een team voor kwam, verschilde echter sterk per team.

Na de eerste opwinding, ontwikkelde zich al snel het besef dat het niet gaat om wie er gelijk heeft of niet. Geen enkele persona zag het volgens de managers uiteindelijk helemaal fout of helemaal goed. Het menselijke beeld van de persona’s hielp de managers om te beseffen en te respecteren dat de neuzen nog niet in dezelfde richting stonden. Niet vanuit weerstand of acceptatie, maar vanuit goedbedoelde denkbeelden. De conclusie was snel getrokken: als je meer met elkaar wil samenwerken, daartoe afspraken maakt en zaken anders organiseert, dan werkt het alleen als percepties & contexten dichter bij elkaar liggen.

Het inzicht in de persona’s hielp de managers om tot prioriteiten te komen en gerichte acties in te zetten. De algoritmen hadden al berekend wat de drie belangrijkste verbeterpunten zijn waar alle persona’s van zouden profiteren. Een van de drie was ‘duidelijke verantwoordelijkheden’. 

Context en duiding

Met het beeld van de persona’s voor zich, gingen de managers vervolgens aan de slag om context en duiding te geven aan de vraag: ‘Hoe ziet duidelijke verantwoordelijkheid er uit voor persona 1? En voor persona 2? En wat betekent dat voor de aanpak?

Het resultaat? Net zoals de marketeers al voorspelden, de persona’s brengen de medewerkers tot leven, het prikkelt de creativiteit en de betrokkenheid. De acties die zijn ingezet passen in de context van de organisatie en zijn concreet. En men weet nu ook voor wie men het doet. Uiteraard wordt er door de managers met de teams verder over gesproken, maar dan wel vanuit het mensbeeld van de persona’s.

Continu proces

Via technische middelen worden de persona’s nu gevolgd. Effectief en veilig, uiteraard. Eén ding is zeker: voorkeuren en behoeften zullen gaan veranderen, persona’s kunnen gaan splitsen, wie weet. Maar door regelmatig op deze wijze te luisteren naar wat er in de organisatie speelt, wordt energie gebundeld om gericht samen te verbeteren.

Medewerker-persona’s zijn een middel om effectief de wijsheid in de organisatie te mobiliseren en inzicht te krijgen in – en te luisteren naar -de belangrijkste groepen van denkbeelden en hun samenhang. Dat helpt leidinggevenden, HRM en de mensen in teams om elkaar te begrijpen, beter bij elkaar aan te sluiten, eenzelfde taal te ontwikkelen en sneller tot de kern te komen.

Dit kan alleen met moderne technologie. Daarmee kunnen snel en regelmatig de persona’s worden gemodelleerd en worden gevolgd. Maar daarmee is een kanttekening ook op z’n plaats. Technologie & algoritmen helpen en versterken, maar ze zullen de mens niet kunnen vervangen. Creativiteit, boerenverstand, lef, leiderschap en een gevoel voor de organisatie blijven uiteraard cruciaal. Het is mens en machine dus, samenwerkend.